工作职责:
(1) AI模型开发与训练
实现和优化大模型训练算法
开发模型微调技术（如LoRA、Adapter）
优化分布式训练框架（如DeepSpeed、Megatron-LM）
设计提示工程策略
实现Agent框架和工作流
构建领域微调方案
构建评估基准和测试框架
(2) 隐私保护
研究并应用联邦学习（Federated Learning）、同态加密（HE）、安全多方计算（MPC）、差分隐私（DP）等技术
优化加密计算环境下的分布式训练性能（如跨机构联邦学习、边缘计算训练）
设计轻量化加密模型，平衡计算开销与隐私保护强度
(3) AI训练基础设施与MLOps
搭建安全、可扩展的AI训练平台，支持加密计算环境下的模型训练与推理
实现模型版本控制、实验追踪（MLflow/Weights & Biases），确保可复现性
优化GPU/TPU集群资源调度，提高加密计算任务的效率
(4) 安全部署与合规性
确保AI系统符合GDPR、CCPA、HIPAA等数据隐私法规
开发模型水印、访问控制、审计日志等安全机制
任职资格:
(1) 教育背景
计算机科学、密码学、人工智能或相关领域硕士及以上学历
有隐私计算（联邦学习/同态加密/MPC）或AI安全相关经验者优先
(2) 技术能力
精通Python和主流深度学习框架
熟悉经典ML算法、深度学习（CNN/RNN/Transformers）
熟悉Hugging Face生态，有分布式训练（Horovod/Deepspeed）经验
有千亿参数模型训练经验
了解CUDA编程和性能优化
熟悉数据隐私法规（GDPR/CCPA）
(3) 加分项
发表过隐私计算/AI安全相关论文（NeurIPS/ICML/S&P）
有开源隐私计算框架（如FATE/PySyft）贡献经验
熟悉区块链+AI的隐私保护方案